基于支持向量机的地震序列分类

英文篇名：CLASSIFICATION OF THE SEISMIC SERIES TYPE BASED ON THE SUPPORT VECTOR MACHINE
中文刊名：东北地震研究
英文刊名：Seismological Research of Northeast China
作者：武安绪 ; 蒋长胜 ; 王琳瑛 ; 李平安 ; 林向东 ; 卢亚军 ; 穆哙泳
英文作者：WU An-xu1 ; JIANG Chang-sheng2 ; WANG Lin-ying2 ; LI Ping-an1 LIN Xiang-dong ; LU Ya-jun ; Mu Kuai-Yong(1.Earthquake Administration of Beijing Municipality ; Beijing 100080 ; China ; 2.Institute of Geophysics ; China Earthquake Administration ; Beijing 100081 ; China)
中文关键词：支持向量机 ; 线性分类算法 ; 非线性分类算法 ; 地震序列 ; 分类模型
英文关键词：support vector machine ; linear classifying algorithm ; non1inear classifying algorithm ; seismic series ; classifying model
出版日期：2008-03-15
机构：北京市地震局,中国地震局地球物理研究所,中国地震局地球物理研究所,北京市地震局北京100080,北京100081,北京100081,北京100080
年：2008
期：01
出版单位：东北地震研究

摘要

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法--支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法,建立了地震序列分类模型。通过试算和分析比较得到了地震序列最佳分类模型,最佳模型的分类结果与实际地震序列分类基本一致。综合分析认为支持向量机算法无论在学习或者预测精度方面都具有很大的优越性,其获得的地震序列分类知识库可以较为准确地实现地震序列类型的分类,因此基于支持向量机理论建立的地震序列分类模型应该是可行的。
Based on the structural risk minimization principle,algorithm,in artificial intelligence field was introduced in the latest data mining method,support vector machine(SVM) this paper.Classifying models for seismic series type were established according to the linear classify algorithm and the nonlinear classify algorithm of SVM.The best classifying model about seismic series type was gained after trials and analysis,and gotten basically a good coherency between the classifying results and the actual seismic series type.The support vector machine classifying algorithm has an obvious superiority whatever on machine learning or prediction accuracy,and the classifying model for seismic series type based on the SVM theory is feasible,and it can classify the seismic serial type more accurately.

引文

[1]吴开统,焦远碧,吴培苓,等.地震序列概论[M].北京:北京大学出版社,1990.
    [2]中国地震局.地震现场工作大纲和震情分析指南[M].北京:地震出版社,1998.
    [3]火恩杰,林命迥,赵志学.地震应急工作遵循的准则及其在地震预报中的实现[J].地震,1998,18(1):1～6.
    [4]周仕勇,许忠淮.地震序列研究综述[J].中国地震,1999,15(3):268～277.
    [5]武安绪,王林瑛,徐平.地震现场震情分析软件系统的研制——中国地震学会成立20周年纪念文集[C](陈运泰主编).地震出版社,1999:405～411.
    [6]梅世蓉,冯德益,张国民,等.中国地震预报概论[M].北京:北京:地震出版社,1993,328～427.
    [7]林邦慧,李大鹏,刘杰,等.前震和前震序列的研究[J].地震学报,1994,(增刊):24～38.
    [8]刘正荣,孔绍麟.地震频度衰减与地震预报[J].地震研究,1986,9(1):1～12.
    [9]焦远碧,刘杰.自然类比法在地震序列分类及震后趋势早期判别中的应用[J].地震,1996,16(1):22～31.
    [10]韩渭宾,王虹.模式识别在强余震等早期综合判别中的应用研究[J].地震,1994,(4):1～6.
    [11]冯德益,楼世博,林命周.模糊数学方法与应用[M].北京:地震出版社,1983.
    [12]蔡煜东,甘俊人,姚林声.人工神经网络在地震综合预报中的应用[J].地震学报,1993,15(2):257～260.
    [13]蔡煜东.地震序列类型预测的遗传程序设计方法[J].地震学报,1996,18(1):44～47.
    [14]周仕勇,朱令人,邓传玲.PP聚类在震群分析中的应用研究[J].地震学报,1995,17:312～321.
    [15]邓乃扬,田英杰.数据挖掘中的新方法--支持向量机[M].北京:科学出版社,2005.
    [16]张学工.关于统计学习理论与支持向量机[J].自动化学报,2000,26(1):32～43.
    [17]王炜,林命遇,马钦忠,等.支持向量机及其在地震预报中的应用前景[J].西北地震学报,2006,28(1):78～84.
    [18]Vapnik V著,张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000,1～5O.
    [19]Burges C J C.Tutorial on support vector machines for pattern recognition[J].Data Mining and KnowledgeDiscovery,1998,2(2):121～167.
    [20]Cortes C,Vapnikc V.Support-vector nelworks[J].Machine learning,1995,(20):273～297.
    [21]姚凯丰,陆文凯,丁文龙,等.一种基于SVM特征选择的油气预测方法.地球物理勘探[J],2004,24(7):36～38.
    [22]陈永义,俞小鼎,高学浩.处理非线性分类和回归问题的一种新方法(I)--支持向量机方法简介[J].应用气象学报,2004,15(6):345～355.